Udfasningen af fire af Googles attribueringsmodeller er så småt begyndt. Det drejer sig om følgende fire modeller: First click, Linear, Time decay og Position-based.
Udmeldingen, der kom for et par måneder siden, har skabt delte meninger blandt specialister og annoncører. Nogle mener, at ingen burde bruge disse modeller alligevel, hvor andre mener, at det får stor indflydelse på lige netop deres forretning. Denne opdeling af holdninger beskriver meget godt en af problematikkerne, når det kommer til attribuering i moderne tider.
Attribueringsmodeller er kort fortalt regler for at tilskrive konverteringer til de kanaler, som har bidraget til at skabe konverteringen. Attribueringsmodeller er med andre ord med til at give indsigt i, hvordan dine marketingkanaler bidrager til forretningen. Den del er langt de fleste enige i – men der er meget forskellige holdninger til, hvordan konverteringer skal tilskrives. De attribueringsmodeller vi har kendt hidtil, fungerer på følgende måde:
- First click*: Denne model tilskriver 100% af konverteringen til det første klik.
- Linear*: Denne model tilskriver alle interaktioner i brugerrejsen en ligelig værdi.
- Time decay*: Denne model tilskriver mere værdi til interaktioner tættest på konverteringen. Derudover bliver interaktioner som er mere end 7 dage gamle halveret i værdi.
- Position-based*: Denne model attribuerer 40% til både første og sidste interaktion. De sidste 20% vil blive fordelt ligeligt på alt derimellem.
- Last-click: Denne model tilskriver 100% af konverteringen til det sidste klik.
- Data-driven (DDA): Denne model bruger maskinlæring til at tilskrive kanaler individuel værdi alt efter deres bidrag til den givne konvertering. Denne model er standardindstillingen i Google Ads og GA4.
* Disse modeller er eksklusiv direkte trafik (medmindre det er det eneste touch-point)
Annoncører står tilbage med DDA (standardindstilling) og Last-click som attribueringsmodeller. Google har som bekendt valgt at udfase de fire øvrige modeller. Begrundelsen for udfasningen af disse fire modeller er, at under 3% af alle konverteringer kan tilskrives disse modeller (jf. Google).
Hvordan skal man som annoncør forholde sig til dette?
Langt de fleste bruger i dag Data Driven Attribution eller Last-Click-attribuering. Derfor vil hverdagen også forblive uændret for langt de fleste. Hvis man er en af de virksomheder, som anvender en af de modeller, der udfases, så har man indtil september til at omstille sig. Af de to tilgængelige modeller, vil vi oftest anbefale DDA, men det vil altid være en individuel beslutning fra virksomhed til virksomhed. Vores vurdering bygger på, at DDA, i langt de fleste tilfælde, vil give det mest nuancerede billede af de to modeller. Last-click-attribuering kan i enkelte tilfælde give mening, fx hvis man har en meget kort brugerrejse.
Hvad skal man være opmærksom på, når det kommer til attribueringsmodeller?
Når det kommer til attribueringsmodeller, skal man tage sine forholdsregler. Der findes flere forskellige analyseværktøjer derude, hvoraf det mest anvendte er Google Analytics. Google er en blandt de store tech-giganter, som alle har det tilfælles, at de ikke er glade for at dele data med andre. Det betyder bl.a. at Google Analytics ikke har adgang til eksponeringsdata fra fx Meta, og at disse data derfor ikke vil indgå som en del af den brugerrejse, man kan følge i Google Analytics. Når det kommer til tilskrivning af en kanal som Meta, så er vi begrænset til, hvad vi kan måle ud fra UTM-koder.
Derudover skal man også huske, at brugen af fx Google Analytics kræver samtykke fra brugeren. Derfor er det ikke altid det fulde billede, man kan se, men mere et uddrag af de brugere man har. Som annoncør har man mulighed for at lave analyser af sit website, for at finde ud af hvor mange af sine brugere der samtykker til statistiske cookies.
Disse faktorer betyder ikke, at Google Analytics ikke er et godt værktøj – for det er det. Det er et rigtig stærkt værktøj til hverdagsanalyse af digitale kanaler, monitorering af hjemmesideperformance og til deepdives af undersider mv. Man skal blot huske at være opmærksom på de faldgruber, der er forbundet med sådan et værktøj.
Hvilke andre muligheder findes der for attribuering?
Der findes en håndfuld andre greb end dem, man får fra sit webanalytics-værktøj, som man kan tage fat i, hvis man vil have en dybere indsigt i, hvordan ens marketingkanaler performer. Multi-Touch-Attribution (MTA) var en af de første skud på stammen i forsøget på at give annoncører dybere indsigt i deres kanaler. Denne tilgang kigger på tværs af digitale touch-punkter, og her får de enkelte kanaler tilskrevet værdi ud fra, hvor meget de bidrager med. Med andre ord kigger modellen også på annoncevisninger og ikke kun klik. MTA kom som et friskt pust til den dengang dominerende Last-click-attribueringsmodel. Der er dog også nogle faldgruber, man skal være opmærksom på for en MTA-model som bl.a. walled gardens og ITP. Walled gardens er et benspænd for MTA, fordi det begrænser muligheden for at tilføje eksterne impression-trackers i de forskellige systemer. ITP er også med til at begrænse impression-trackers, men det sker gennem blokering af 3. parts tracking.
En anden tilgang er en Marketing Mix Model (MMM), som i folkemunde også er kendt som en salgsmodel. En salgsmodel er bygget op omkring regressionsanalyser for at finde sammenhænge mellem marketingaktiviteter og salgstal. Det der hovedsageligt adskiller denne fra en MTA er, at en MMM kigger på aggregeret data og kan inkludere traditionelle medier som TV. Derudover er det også muligt at inkorporere macro-level data som fx sæson, vejr mm. i sin model. En anden væsentlig forskel på de to modeller er, at en MMM kigger på overordnede tendenser i stedet for specifikke brugeres brugerrejse. Alt dette betyder også, at en MMM ikke på samme måde er udfordret af walled gardens og ITP, som en MTA er. Det, der taler imod en MMM, er manglen på brugerrejse-data, og så er der en ret høj indgangsbarriere (i form af investering og kompetenceniveau). Fordelene er, at det er privacy-friendly, kompatibelt med både digitale og offline medier og giver et holistisk overblik over din forretning.
En helt tredje mulighed er en kombination af de to ovenstående, kaldet Unified Marketing Measurement (UMM). En UMM-model kombinerer elementer fra både MTA og MMM i én og samme model. En UMM handler ikke om at implementere begge modeller på samme tid men om at inkorporere dem. Styrken bag denne tilgang ligger i, at man udfylder de huller, der nu engang findes med MTA-modellen. Hullerne i denne forstand er de tilfælde, hvor vi ikke har mulighed for at følge brugerrejsen. Det skyldes hovedsageligt walled gardens og andre cookierestriktioner. Disse ’blind spots’ beriger man så med aggregeret data (MMM). Derudover giver det også virksomheder mulighed for at inkorporere makro-faktorer i sin model.
Hvilken attribueringsmodel er den bedste?
Der er desværre ikke ’One Method to Rule Them All’. Vi opfordrer til, at man som virksomhed skal vurdere fordele og ulemper ved DDA, MTA og MMM. Her skal man overveje det informationsbehov, man har som virksomhed, og hvad man ønsker at kortlægge. Googles DDA er dog et oplagt sted at starte – og helt sikkert et skridt i den rigtige retning – inden man giver sig i kast med et større attribueringsprojekt.
DDA kan kategoriseres som en light version af en MTA. DDA-modellen fra Google er ikke transparent omkring opbyggelsen, og det er heller ikke alle touchpoints, der er med. Ønsker man den fulde indsigt, bør man derfor overveje en anden model.
Er du blevet nysgerrig på de tekniske aspekter og faldgruber når det kommer til attribueringsmodeller, så ræk ud til Anders Palsgaard, Head of AdTech, på e-mail: ap@orchestra.dk. Ønsker du at høre mere om hvilke indsigter en avanceret attribueringsmodel kan give din virksomhed, så ræk ud til Christina Kotzia, Data & Insights Director & Partner, på e-mail: ckh@orchestra.dk.